Évaluations automatiques des émotions et sentiments, mémoire sémantique et compréhension de texte : expérimentations et simulations

Dans cette thèse, nous soutenons l'hypothèse que les caractéristiques émotionnelles d'un énoncé sont contenues au sein de la représentation mentale de celui-ci, l'émergence émotionnelle s'opérant au cours de la lecture partir de la base de texte et des informations en mémoire sémantique. Les émotions dans le langage sont étudiées du point de vue des processus automatiques et stratégiques. Les caractéristiques dimensionnelles et catégorielles des émotions sont considérées. Pour ce qui est de la base de texte, les propriétés émotionnelles de termes publiées en français, anglais, espagnol, italien, allemand et finnois se sont révélées être très similaires, confortant l'intérêt de considérer la représentation mentale comme objet d'étude plutôt que le lexème. Aussi, dans EMOVAL, l'utilisation de ces normes pour caractériser des énoncés s'est révélée fructueuse. Pour ce qui est des connaissances, deux modèles connexionnistes de la représentation sémantique sont étudiés : l'analyse de la sémantique latente - LSA (Landauer & Dumais, 1997) comme modèle statistique, et le modèle Topic (Griffiths, Steyvers & Tennebaum, 2007) comme modèle probabiliste. Premièrement, l'existence de variables latentes émotionnellement différenciées a été mise en évidence grâce au modèle Topic. Deuxièmement, les relations sémantiques entre émotions, calculées à l'aide de LSA, se sont révélées significativement corrélées avec les jugements de similitudes entre termes émotionnels. Troisièmement, dans EMOSEM, les caractéristiques émotionnelles d'un corpus de textes ont pu être identifiées, tant du point de vue de leur appartenance à une émotion, que de l'intensité de l'expression de cette émotion.

Identiferoai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00644873
Date11 July 2011
CreatorsLeveau, Nicolas
PublisherEcole pratique des hautes études - EPHE PARIS
Source SetsCCSD theses-EN-ligne, France
LanguageFrench
Detected LanguageFrench
TypePhD thesis

Page generated in 0.0022 seconds